P değerlerinin ardındaki teori ve boş hipotez ilk başta karmaşık görünebilir, ancak kavramları anlamak, istatistik dünyasında gezinmenize yardımcı olacaktır. Ne yazık ki, bu terimler popüler bilimde sıklıkla yanlış kullanılır, bu nedenle herkesin temelleri anlaması yararlı olacaktır.
Ayrıca makalemize bakın Excel'de Her Satır Nasıl Silinir
Bir modelin p değerini hesaplamak ve sıfır hipotezini kanıtlamak / ispatlamak MS Excel ile şaşırtıcı şekilde basittir. Bunu yapmanın iki yolu var ve ikisini de kapsayacağız. Hadi kazalım.
Boş Hipotez ve p- Değer
Boş hipotez, gözlenen fenomenler arasındaki ilişkinin var olmadığını iddia eden varsayılan bir konum olarak da ifade edilen bir ifadedir. Ayrıca, gözlemlenen iki grup arasındaki ilişkilere de uygulanabilir. Araştırma sırasında, bu hipotezi test ediyor ve ispatlamaya çalışıyorsunuz.
Örneğin, belirli bir solgunluk diyetinin önemli sonuçlara sahip olup olmadığını gözlemlemek istediğinizi varsayalım. Buradaki boş hipotez, test deneklerinin diyet öncesi ve sonrası ağırlıklarında önemli bir fark olmadığıdır. Alternatif hipotez, diyetin bir fark yarattığıdır. Araştırmacıların kanıtlamaya çalışacağı şey budur.
P- değeri, belirli bir istatistiksel model için boş hipotezin doğru olması durumunda istatistiksel özetin gözlemlenen değere eşit veya daha büyük olma şansını temsil eder. Genellikle ondalık sayı olarak ifade edilse de, genellikle onu yüzde olarak ifade etmek daha iyidir. Örneğin, 0, 1'in p değeri% 10 olarak gösterilmelidir.
Düşük bir p- değeri, sıfır hipotezine karşı kanıtların güçlü olduğu anlamına gelir. Bu ayrıca verilerinizin önemli olduğu anlamına gelir. Öte yandan, yüksek bir değer, hipoteze karşı güçlü bir kanıt olmadığı anlamına gelir. Fad diyetinin işe yaradığını ispatlamak için araştırmacıların düşük bir değer bulmaları gerekir.
İstatistiksel olarak anlamlı bir sonuç, boş hipotez doğruysa gerçekleşmesi muhtemel olmayan sonuçtur. Önem derecesi, Yunanca alfa harfi ile belirtilir ve sonucun istatistiksel olarak anlamlı olması için p değerinden daha büyük olması gerekir.
Çok çeşitli alanlarda çalışan birçok araştırmacı, birlikte çalıştıkları veriler hakkında daha iyi ve daha derin bir fikir edinmek için p- değerini kullanır. Öne çıkan alanlardan bazıları sosyoloji, ceza adaleti, psikoloji, finans ve ekonomidir.
Excel'de p- Değerini Bulma
MS Excel'de ayarlanan verilerin p değerini T-Test işlevi veya Veri Analizi aracını kullanarak bulabilirsiniz. İlk önce T-Test fonksiyonuna bakacağız. 30 günlük diyete giren beş üniversite öğrencisini inceleyeceğiz. Diyetten önce ve sonra kilolarını karşılaştıracağız.
NOT: Bu makalenin amaçları doğrultusunda, MS Excel 2010 kullanacağız. En son sürüm olmasa da, adımlar genellikle yeni sürümler için de geçerli olmalıdır.
T-Test İşlevi
T-Test fonksiyonu ile p- değerini hesaplamak için bu adımları izleyin.
- Tabloyu oluşturun ve doldurun. Masamız şuna benziyor:
- Masanızın dışındaki herhangi bir hücreye tıklayın.
- Şunu yazın: = T.Test (.
- Açık parantezden sonra ilk argümanı yazın. Bu örnekte, Önce Diyet sütunu. Aralık B2: B6 olmalıdır. Şimdiye kadar, fonksiyon şöyle görünür: T.Test (B2: B6.
- Ardından ikinci argümana gireceğiz. Diyet Sonrası sütunu ve sonuçları bizim ikinci tartışmamız ve ihtiyaç duyduğumuz aralık C2: C6. Hadi şu formülü ekleyelim: T. Test (B2: B6, C2: C6).
- İkinci bağımsız değişkenden sonra virgül yazın; tek kuyruklu dağıtım ve iki kuyruklu dağıtım seçenekleri otomatik olarak açılır menüde görünecektir. İlk kuyruklu dağıtımı seçelim. Üzerine çift tıklayın.
- Başka bir virgül yazın.
- Bir sonraki açılır menüdeki Eşleşmiş seçeneğine çift tıklayın.
- İhtiyacınız olan tüm unsurlara sahip olduğunuza göre, braketi kapatın. Bu örnek için formül şöyle görünür: = T.Test (B2: B6, C2: C6, 1, 1)
- Enter tuşuna basın. Hücre derhal p- değerini gösterecektir. Bizim durumumuzda, değer% 0.133906 veya% 13.3906'dır.
% 5'in üzerinde olan bu değer, sıfır hipotezine karşı güçlü bir kanıt sağlamamaktadır. Örneğimize göre, araştırma diyetin deneklerin önemli miktarda kilo vermesine yardımcı olduğunu kanıtlamadı. Bu mutlaka boş hipotezin doğru olduğu anlamına gelmez, sadece henüz kanıtlanmadığı anlamına gelir.
Veri Analizi Rotası
Veri Analizi aracı, p- değer hesaplamaları dahil olmak üzere pek çok harika şey yapmanıza olanak sağlar. İşleri kolaylaştırmak için önceki yöntemdeki tabloyu kullanacağız.
İşte böyle yapılır.
- D sütunundaki ağırlık farklarına zaten sahip olduğumuzdan, fark hesaplamasını atlayacağız. Gelecekteki tablolar için bu formülü kullanın: = "Hücre 1" - "Hücre 2".
- Ardından, Ana menüdeki Veri sekmesine tıklayın.
- Veri Analizi aracını seçin.
- Listeyi aşağı kaydırın ve t-Testi: Araçlar için Eşleştirilmiş İki Örnek seçeneğine tıklayın.
- Tamam'a tıklayın.
- Bir pop-up penceresi açılacaktır. Bu gibi görünüyor:
- İlk aralığı / argümanı girin. Örneğimizde, B2: B6.
- İkinci aralığı / argümanı girin. Bu durumda, C2: C6.
- Varsayılan değeri, Alfa metin kutusuna bırakın (0.05).
- Çıkış Aralığı radyo düğmesini tıklayın ve sonucu istediğiniz yeri seçin. A8 hücresiyse, şunu yazın: $ A $ 8
- Tamam'a tıklayın.
- Excel p- değerini ve diğer birkaç parametreyi hesaplar. Final masası şöyle görünebilir:
Gördüğünüz gibi, tek kuyruklu p -değeri ilk durumda olduğu gibidir - 0.133905569. 0.05'in üzerinde olduğu için, bu tablo için boş hipotez uygulanır ve buna karşı kanıtlar zayıftır.
P -Değer Hakkında Bilinmesi Gerekenler
Excel'de p- değerli hesaplamaları ile ilgili bazı yararlı ipuçları.
- P- değeri 0, 05'e (% 5) eşitse, tablonuzdaki veriler önemlidir. 0, 05'ten (% 5) düşükse, sahip olduğunuz veriler oldukça önemlidir.
- P değerinin 0, 1'den (% 10) fazla olması durumunda, tablonuzdaki veriler önemsizdir. 0.05-0.10 aralığındaysa, marjinal olarak önemli verileriniz vardır.
- En yaygın seçenekler 0, 05 (% 5) ve 0, 10 (% 10) olmasına rağmen, alfa değerini değiştirebilirsiniz.
- İki kuyruklu testi seçmek, hipotezinize bağlı olarak daha iyi bir seçim olabilir. Yukarıdaki örnekte, tek kuyruklu test, test deneklerinin diyet sonrası kilo verip kaybetmediğini keşfettiğimiz anlamına gelir ve bu tam olarak öğrenmemiz gereken şeydir. Ancak iki kuyruklu bir test, istatistiksel olarak anlamlı miktarda ağırlık alıp almadıklarını da inceler.
- P- değeri değişkenleri tanımlayamaz. Başka bir deyişle, bir korelasyonu tanımlarsa, arkasındaki nedenleri tanımlayamaz.
P- Değeri Demystified
Onun tuzuna değecek her istatistikçi, boş hipotez testlerinin içini ve dışını ve p değerinin ne anlama geldiğini bilmek zorundadır. Bu bilgi aynı zamanda birçok alanda araştırmacılar için kullanışlı olacaktır.
İstatistiksel bir modelin değerini hesaplamak için Excel'i hiç kullandınız mı? Hangi yöntemi kullandın? Hesaplamak için başka bir yol mu tercih edersiniz? Yorumlar bölümünde bize bildirin.
